跳到正文
可穿戴与测量科学测量验证研究/综述4 分钟阅读

智能手表数据能当“证人”吗:心率验证得最充分,其余证据参差

MoveVitals 编辑部 · 研究发表 · 解读更新

原文:Is my smartwatch a valid witness? A systematic review and meta-analysis · Forensic Science International · 2026 · 论文原文 ↗

先看重点

一项围绕数字取证展开的系统评价和荟萃分析,梳理了四大主流品牌智能手表的验证研究,发现心率是研究最多、也最准确的指标。步数、距离、能量消耗、活动分类和睡眠的验证不够一致,结果因品牌、方案和报告方式而异。摘要没有给出汇总数据,且多数研究是在健康人群中、于实验室内完成的,所以无法说明某一块手表对某个人在日常生活中的表现。

证据类型

测量验证研究/综述

解读依据

公开摘要

阅读重点

参照与测量误差

研究在问什么

智能手表装有加速度计、陀螺仪和光电容积描记传感器,可以记录活动、心率、睡眠和其他生理信号,因此调查人员开始思考这些数据能否用于取证。前提是这些数据必须有效。作者先做第一步:把已有的、将智能手表输出与公认金标准对照的验证研究汇总起来,看看哪些输出、哪些品牌有扎实的证据。

研究了谁,如何研究

这是一项系统评价和荟萃分析,纳入的研究验证了四大主流品牌智能手表采集的数据,重点关注其在取证调查中的潜在用途。纳入的研究把智能手表的输出,如活动分类、步数、距离、心率、能量消耗和睡眠指标,与公认的金标准测量作对照。

摘要中没有完整细节:没有写明具体品牌和检索的数据库,没有给出检索日期、纳入的研究和参与者数量,没有说明如何评价研究质量、采用了哪些汇总统计方法,也没有报告任何数值形式的准确性结果。

主要发现

  1. 1
    心率是研究最多、也最准确的输出。在与金标准对照的各项指标中,它的证据最充分,不过摘要没有给出具体的误差数值。
  2. 2
    证据覆盖并不均衡。并非所有品牌、所有指标都得到了同样充分的研究,结果在准确性、研究方案和报告方式上各不相同。
  3. 3
    多数研究是在健康人群和实验室环境中验证智能手表,因此很难据此推断有健康问题的人群,或者日常佩戴的情况。
  4. 4
    作者的结论是:智能手表在数字取证分析中有潜力,但目前的验证证据高度异质。他们呼吁开展更广泛、更标准化的验证,纳入更大、更多样的研究人群,并要求厂商提高透明度,同时指出这些结论同样适用于临床和健康研究。

局限与不确定性

  1. 1
    作者指出,验证证据高度异质:各项研究在品牌、指标、方案和报告方式上不同,很难合并,他们呼吁开展标准化验证并纳入更大、更多样的人群。
  2. 2
    作者指出,多数研究在健康人群中于实验室内完成。我们的观察:这种条件下的准确性,说明不了手表在生病、做不寻常动作或长达数月的真实佩戴中的表现,而且摘要也没有描述任何真正测试过的取证场景。
  3. 3
    我们的观察:心率既是研究最多的输出,也是最准确的输出,但这并不表明研究得越多就越准确;对于研究很少的指标,证据稀少也不能说明准确。摘要没有给出汇总估计值、研究数量或品牌名称,所以单凭摘要无法判断结论的强弱。
  4. 4
    我们的观察:本解读只依据摘要。没有品牌、型号和数值,就不能用这篇综述在不同手表之间做选择。

对日常健康的启示

如果你依赖智能手表,在这篇综述里验证记录最好的是心率;步数、距离、热量和睡眠指标的证据则零散得多,更适合当作大致的趋势来看。如果手表数据真的要作为证据,不管是法律还是医疗场合,都需要结合设备型号、软件版本和测量方法来解读,并与另一来源核对。

不要由此认为某个读数能证明某一时刻发生了什么,也不要认为各品牌表现相同,或者认为健康志愿者在实验室里的准确性可以照搬到疾病状态或不寻常的活动中。摘要没有给出数值,对细节的把握有限;它能支持的是心率明显优于其他输出,以及需要更好的验证。

如何联系自己的数据

把品牌、型号、固件和佩戴位置与数据一起记下来,一项指标只同它自己在数周内的变化相比,不要同其他品牌比较。心率是最可靠的输出,步数、距离、热量和睡眠只是粗略参考,不要把某一天或某一晚的数字当作事实。设备或软件有更新时要做标记,以免把数据的跳变误当成自己身体的变化。

如何理解这类证据

一致性取决于设备、固件、参照、人群和场景。相关性不等于一致性;验证某个指标不等于已证明诊断或治疗获益。

来源与署名

Is my smartwatch a valid witness? A systematic review and meta-analysis

Forensic Science International · 2026-07

DOI: 10.1016/j.forsciint.2026.112901 ↗PubMed · 41819643 ↗

MoveVitals 编辑解读 · 健康教育内容 · 未记录个人临床审阅

来源核验日期 2026-11-01

实用健康指南

放在一起读

·队列研究

加速度计处理方法不同,身体活动与卒中、心肌梗死的关联曲线也不同

在英国生物银行中,基线无心血管疾病的90237名成年人随访至2022年12月,共发生1298例卒中和2031例心肌梗死;中高强度身体活动(MVPA)与这两种结局的关联曲线形状,取决于加速度计数据的处理方法。就卒中而言,只有机器学习法得到直线下降的风险;就心肌梗死而言,机器学习法和LFENMO法呈曲线下降,活动计数法呈直线下降。摘要没有给出风险比,只能说明不同方法的结论不一致,不能说明哪种方法更正确,而且这些只是观察性关联。

Preventive Medicine

重点论文精讲阅读论文 →
·综述的综述

活动追踪器:每天多走约1800步,对其他健康指标影响较小

这项伞形综述汇总了39篇系统评价和荟萃分析,涉及163992名参与者;结果显示使用活动追踪器与身体活动增加相关(标准化均数差SMD为0.3–0.6),相当于每天多走约1800步、多步行40分钟,体重减轻约1公斤。对血压、胆固醇、糖化血红蛋白、生活质量和疼痛的影响通常很小,且多数不显著。摘要没有说明这些项目里追踪器还搭配了什么,也没有说明各评价之间重叠多少,因此不能把效果完全归功于设备本身。

The Lancet Digital Health

重点论文精讲阅读论文 →
·测量验证研究/综述

七款睡眠追踪设备:识别睡着很准,识别醒着和睡眠分期较差

在睡眠实验室里,34名健康的年轻成年人连续三晚佩戴七款消费级睡眠追踪设备中的若干款。与多导睡眠监测相比,所有设备识别睡眠都很准(灵敏度均不低于0.93),但识别清醒较差(特异度0.18–0.54),七款中有五款与研究用活动记录仪(特异度0.39)持平或更好;睡眠分期的估计结果不稳定。受试者是18至35岁的健康成年人,卧床时间固定为8小时,每款设备只在其中11至20人身上测试,因此对有睡眠问题的人几乎没有参考价值。

Sleep

重点论文精讲阅读论文 →
·测量验证研究/综述

七款腕戴设备:心率误差多在5%以内,热量估算偏差很大

60名成年人在实验室里佩戴7款腕戴设备,依次完成静坐、步行、跑步和骑车。与心电图相比,心率的中位数误差骑车时为1.8%,步行时为5.5%;但没有任何一款设备的能量消耗(热量)误差低于20%,各设备的中位数误差为27.4%至92.6%。测试的是当时在售的消费级型号,且只在实验室内进行,不能据此给今天的手表排名,也不能说明日常使用中的表现。

Journal of Personalized Medicine

重点论文精讲阅读论文 →
可穿戴与测量科学 →